浅谈逻辑回归背后的几何意义

综述：
        逻辑回归，可以说是一个非常经典的算法，使用范围十分广泛，金融、互联网等行业都能看到它的身影，只要涉及到二分类，基本都是首选。也许大家已经对逻辑回归已经十分了解，包括原理、求解等，所以这次主要从几何意义的方向去探讨逻辑回归算法，以加深对其了解。

正文：
        先大致说一下模型的流程，特征x_n表示n个特征，y为0/1的label，特征x_n经过线性映射后得到z，再经过sigmoid函数得到label为1的“概率”，最后通过阈值来决定类别。本文分成三部分来叙述，分别为：一、线性部分，二、sigmoid函数，三、阈值的确定。

一、线性部分：
        从模型的思想出发，希望找到一个超平面能够实现类别区分。（这里其实与svm相似，不同的是LR用到了全局的数据，而svm只用了有限个数的“支持向量”）

为方便显示，以一个二维特征的平面图表示，图中的线性组合wTx=0时，就是所说的超平面，假设能够完美进行切分。对于线性部分，公式如下：